p – مقدار اصلاح شده و کاربردهای آن در آزمون های فرض آماری

در بسیاری از آزمون هایی که ما انجام می دهیم ، برای رد یا تایید فرض صفر از p-value استفاده می کنیم . ما می توانیم در بسیاری از این آزمون ها به راحتی با چند آزمایش اولیه و تجربی ، برای پارامتر مورد علاقه ، یک کران بالا و یک کران پایین به دست آوریم اما با توجه به اینکه p-value تنها به مقدار مشخص شده و فرض صفر بستگی دارد ، نمی تواند به شایستگی از این اطلاعات برای گرفتن یک تصمیم بهتر و درستتر ، استفاده کند . ما در این پایان نامه ، در ابتدا به بررسی p-value می پردازیم و میزان دقت آن برای رد یا تایید فرض صفر بررسی می کنیم و همچنین بعضی از معایب p-value را از دو دیدگاه آمار کلاسیک و آمار بیز بیان می کنیم . سپس به معرفی معیاری به نام p-value اصلاح شده خواهیم پرداخت و نشان می دهیم وقتی که فضای پارامتری کراندار باشد ، p-value اصلاح شده ، که به خوبی از اطلاعات مربوط به فضای پارامتری استفاده می کند ، معیار بهتری نسبت به p-value برای رد یا تایید فرض صفر است .